Skip to content

Commit

Permalink
Update README.md
Browse files Browse the repository at this point in the history
  • Loading branch information
CrasCris authored Oct 30, 2023
1 parent b93d055 commit 78ca4a9
Showing 1 changed file with 6 additions and 6 deletions.
12 changes: 6 additions & 6 deletions README.md
Original file line number Diff line number Diff line change
@@ -1,16 +1,11 @@
# Cristian Diaz
## Protafolio
## Portafolio

### Modelo de Clasificacion Multiple
- **Descripción**: Consumiendo una API de datos libres de Colombia, se proponen diversos modelo de clasificacion de a que facultad pertenecen de pendiendo, su estrato, su genero y su ciudad de residencia
- **Herramientas utilizadas**: Python, Pandas, Matplotlib, Jupyter Notebook.
- [Enlace al Proyecto](https://github.com/CrasCris/MachineLearning/blob/main/Modelo_Clasificación_Multiple.ipynb)

### Predicción de Churn de Clientes
- **Descripción**: Desarrollo de un modelo de aprendizaje automático para predecir el abandono de clientes en una empresa de telecomunicaciones.
- **Herramientas utilizadas**: Python, Scikit-Learn, XGBoost, Jupyter Notebook.
- [Enlace al Proyecto](https://github.com/CrasCris/MachineLearning/blob/main/Modelo_Clasificación_Multiple.ipynb)

### Modelización Covid-19 en Santander Series de tiempo
- **Descripción**: Usandos los datos publicos del covid-19 en colombia, se plantean dos modelos de series de tiempo, un modelo ARIMA multiplicativo y un modelo GARCH. De la misma manera se presenta un tablero de control para vizualisar el numero de casos por municipio, su estado, su edad y su genero.
- **Herramientas utilizadas**: R, Rstudio, VSCode, Tidyverse, TSerie, Zoo , TSA, Power Bi, Power Query.
Expand All @@ -22,6 +17,11 @@
- **Herramientas utilizadas**: SQL Server, Power BI, Power Query.
- [Enlace al Tablero de Control](https://app.powerbi.com/view?r=eyJrIjoiYzVlMmJkNTAtYTdjOS00MTE0LTkzYzktZjAzNDNlZGJjMDZhIiwidCI6IjJlZDU1NzRjLWY5YmEtNDQyNi05NjU4LWU0NzdhZDc0MzlkYiIsImMiOjR9).

### Predicción de TRM Dolar en pesos Colombianos
- **Descripción**: Desarrollo de un modelo de aprendizaje automático de redes neuronales, para predecir la tasa representativo del marcado del dolar en pesos colombianos, usando datos historicos desde 1991
- **Herramientas utilizadas**: Python, Scikit-Learn, Tensor Flow, Jupyter Notebook, Keras.
- [Enlace al Proyecto](https://github.com/CrasCris/MachineLearning/blob/main/Predicci%C3%B3nTRM.ipynb)

## Educación
- **Título Universitario en Matematicas**
- Universidad Industrial de Santander
Expand Down

0 comments on commit 78ca4a9

Please sign in to comment.